numpy库的基本知识

       python中有专门的各种各样的库，numpy库方便对数组进行操作，一下就是对其基本知识的展示，以代码为主。仅仅是学习笔记，还有待改正。

附加使用pycharm软件安装库步骤

（1）基本创建

import numpy as np ##重命名
dt=np.dtype(np.int32)##类型为int32，等价于i4
print(dt)
print(type(dt))
student=np.dtype([("name","S20"),("age","i4"),("marks","f4")])##结构化类型对象，以元组的形式存放，名称，数据类型
print(student)
print(type(student))
#创建一个一维数组
arr=np.array([1,2,3,4,5])
print(arr)
print(type(arr))
#元素类型要相同，优先级str>float>int
arr1=np.array([1,2,3,4,1.2])#打印出来的是float
print(arr1)
#多维数组
arr2=np.array([[1,2,3],[4,5,6],[8,2.0,6.5]])#多维数组时，可以看做是数组的嵌套
print(arr2)
#ndmin=3 最小维度是3
arr3=np.array([1,2,3,4,5,6,7,8,9],ndmin=3)#生成有一个元素的三维数组，不智能
print(arr3)
#定义参数的数据类型
arr4=np.array([1,2,3],dtype='f')
print(arr4)
#定义结构化
arr5=np.array([("zhangsan",15,85.5)],dtype=student)
print(arr5)
#asarray()可以传入不同的数据类型，元组、数组均可
arr6=np.asarray([1,2,3,4,5])
print(arr6)
#empty()函数:创建一个指定形状、数据类型但未初始化的数组
arr7=np.empty([3,2],dtype=int)#打印三行两列的二维数组数据类型为int的数组
print(arr7)
#zeros():创建指定大小的数组，数组元素以0来填充
arr8=np.zeros([3,2],dtype=int)#创建三行两列的二维数组且数据类型为int的全零数组
print(arr8)
arr9=np.zeros(4,dtype="f")#创建一维数组，且有4个元素
print(arr9)
#定义结构化的数组类型
arr10=np.zeros([3,2],dtype=[('x','i4'),('y','f')])#前面元素为int，后面元素为float
print(arr10)
#ones():创建指定大小的数组，数据元素以1来填充
arr11=np.ones([3,3],dtype='f')#定义三行三列的二维数据
print(arr11)
#full():创建指定形状的数组，数组元素以fill_value来填充
arr12=np.full(5,fill_value=25)#创建有5个元素的一维数组，并且指定数组元素为25
print(arr12)
#eye():创建对角线为1其他位置为0的数组
arr13=np.eye(10,dtype=int)#创建10行10列的方阵，主对角线元素为1
print(arr13)
#numpy.arange():创建数值乏味并返回ndarray对象，根据start与stop指定的范围以及step设定的步长生成数组，一维数组
arr14=np.arange(0,12,2)#生成一维数组，数据范围为0-12（不含12）且间隔为2
print(arr14)
#frombuffer():用于实现动态数组，接受buffer输入参数，以流的形式读入转化为ndarray对象
#buffer是字符串时，python3默认str是Unicode类型，所以要转成bytestring在原str添加b
s=b"hello,python,ni hao ya"#无b时，系统会报错：not 'str'
arr15=np.frombuffer(s,dtype='S1')#系统默认，从头到尾
print(arr15)
arr16=np.frombuffer(s,dtype='S1',count=5,offset=2)#输出5个元素，从下标为2开始输出（起始位置）
print("arr16:")
print(arr16)
#fromiter():从可迭代对象中建立ndarray对象，返回一维数组
x=[1,2,3,4]
y=iter(x)
print(y)
print(type(y))
arr17=np.fromiter(y,dtype='f')
print(arr17)
#linspace():创建一个一维函数，数组是一个等差数列构成的
arr18=np.linspace(1,20,10,dtype=int)#创建一个初始值为1，终值为20，数组元素为10的一维数组
print(arr18)
#logspace():创建等比数列,底数默认为10
arr19=np.logspace(1,2,10,dtype=int)
print(arr19)
print('splice')
#random.rand():生成[0,1）之间的随机数
arr20=np.random.rand()#生成一个随机数
print(arr20)
arr21=np.random.rand(3)#生成一维数组，有3个元素
print(arr21)
arr22=np.random.rand(3,3)#生成三行三列的二维数组，有9个元素
print(arr22)
arr22=np.random.rand(3,3,2)#生成三维数组，有18个元素
print(arr22)
#random.random():生成[0,1）之间的随机数，只能生成一维
#rand.randint():生成随机数
arr23=np.random.randint(2,10,5)#生成5个范围在2-10（不含10）的随机数
print(arr23)
#random.randn():返回一个或一组样本，具有标准正态分布
arr24=np.random.randn(5)
print(arr24)
#random.normal():生成高斯分布的改良版密度随机数
print("高斯分布")
arr25=np.random.normal(loc=1,scale=2,size=5)
print(arr25)

（2）部分属性

axis=0，对每一列进行操作；axis=1，对每一行进行操作

ndim：秩，即轴（axis）的数量或维度的数量。

shape：数组的形状

itemsize:元素所占字节数

array=np.array([[3,4],[5,6],[7,8]])
print(array)
print("秩为：")
print(array.ndim)
print("数组的行数和列数：")
print(array.shape)
#修改shape值，即修改数组
array.shape=(2,3)
print(array)

（3）切片索引：与python相同

       切片还可以包括省略号... 来使选择元组的长度与数组的维度相同。如果在行位置使用省略号，它将返回包含行中元素的nadarray

print("切片索引")
arra=np.array([1,2,3,4,5,6,7,8,9])
s=slice(2,7,2)#切片的起始位置下标是2，终止位置下标是7，间隔是2
print(arra[s])

a=np.arange(15)
a.shape=(5,3)#等价于a.reshape(5,3)
print(a)
print('n')
print(a[...,1])#取所有的行且列数为1的元素

(4)数组索引

rows：行

 cols：列

b=np.array([[1,2,3],[4,5,6],[7,8,9]])
#取 0,0 1,1 2,2
print(b[[0,1,2],[0,1,2]])#第一个[]内为逗号前，第二个[]为逗号后，三个写一块儿，一一对应

c=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
#取 0,0 1,1 2,2
print(c)
#所取元素：0,0 0,2 3,0 3,2 竖着看
rows=np.array([[0,0],[3,3]])
cols=np.array([[0,2],[0,2]])
print('n')
print(c[rows,cols])
#行取1-2，列取1-2，交集部分
print(c[1:3,1:3])
#行1-2，列为1和2，交集部分
print(c[1:3,[1,2]])
#所有的行，列从1到最后
print(c[...,1:])

（5）布尔索引：通过布尔运算来获取符合指定条件的元素的数组

c=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
#取 0,0 1,1 2,2
print(c)
#数组元素大于5的打印出来
print(c[c>5])

d=np.array([np.nan,1,2,np.nan,3,4])
print(d)
print(d[~np.isnan(d)])#打印出不是np.nan

（6）广播：是numpy对不同形状 的数组进行数值计算的方式，对数组的算术运算通常在相应的元素上进行

a.形状相同：a.shape==b.shape，那么，a+b的结果就是a与b的数组对应位相加。这要求维数相同，且个维度的长度相同

b.形状不同：如果两个数组的维度不相同，则元素到元素是不能操作的。因为广播功能，在numpy中仍然可以对形状不相似的数组进行操作：较小的数组会广播到较大数组的大小，以便使他们的形状可兼容

#相同维度的数组相加
e=np.array([1,2,3,4])
f=np.array([5,6,7,8])
g=e+f
print(g)
#维数不同
h = np.array([[0, 0, 0], [1, 1, 1], [2, 2, 2], [3, 3, 3]])
i= np.array([1, 2, 3])
print(h+i)

（7）nditer:迭代(默认只读不写) 若写 op_flags=["readwrite"]

#nditer:有效的多维迭代对象，可以用在数组上进行迭代
k=np.arange(12)
k.shape=(3,4)
print(k)
print('n')
for x in np.nditer(k):
    print(x)

#转置：k.T


#广播迭代
j=np.arange(1,5)
for x,y in np.nditer([k,j]):
    print("%d:%d"%(x,y),end=',')

pycharm安装库步骤：

1.点击工具栏 file,右击选择setting

最后

以上就是单薄煎蛋为你收集整理的numpy库的基本知识的全部内容，希望文章能够帮你解决numpy库的基本知识所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。